[发明专利]基于遗传算法优化BP神经网络的学生综合素质测定方法

说明书

技术领域

本发明涉及一种素质测定方法，尤其是一种基于遗传算法优化BP神经网络的学生综合素质测定方法。

背景技术

当前的教育理论认为，每个人在后天都能得到充分的发展，然而现在的评价体系存在很多弊端，已经越来越不适应学生的发展，反而背道而驰。主要表现在：

1.评价途径单一，只是对一张试卷的得分情况进行评价，成绩是评价的唯一途径；

2.评价内容单一，以书面考试为主，只关注了学生的知识掌握情况，缺乏对学生学习态度、学习创新能力的关注；

3.评价方式单一，只通过学科考试来评价学生，逐步把学生培养成会应付考试的机器，淹没了学生在课外的实践、人际交往能力。

目前，中高考的“一考定终身制度”，导致中学教育过于偏重知识性、技巧性训练，抹杀了学生的个性和差异。在一个个鲜活的学生个体面前，这一制度显得过于冰冷和僵化，使我们错失了很多综合素质高或学有专长的可造之才。也有越来越多的教育界人士承认，学生只有差异，没有优劣之分。一张再好的试卷也考不出学生的综合素质，在学生能力多元化、社会人才需求多样化的今天，用分数这一把尺子衡量个性、专长各异的人才并不公平。

学生素质评价是新课程改革的主要内容，是二期课程改革精神的要求，新的《课程标准》对学科学习评价及时地提出了新的理念。理念明确指出，评价的主要目的是为了全面了解学生的学习过程，激励学生主动的学习和不断改进教师的教学过程，应建立评价目标多元化，评价方法多样化，评价过程灵活化的教育评价体系。对学生学科学习的评价不仅要关注学生的学习成果，更要关注学生的学习态度和学习过程；不仅要关注学科学习能力，更要关注他们的劳动能力、审美能力和人际交往能力。帮助学生认识自我，实现德智体美劳全面发展。在以人为本，促进学生可持续发展思想的指导下，很多学者对学生综合素质的评价进行了研究。

目前的研究成果有，《第5届教育教学改革与管理工程学术年会论文集》2012中的《BP神经网络在高校学生综合素质评价中的应用》，提出了基于BP神经网络的学生综合素质评价模型；《电脑知识与技术》2009中的《基于BP神经网络的学生综合素质评价的算法设计》，提出了基于BP神经网络的学生综合素质评价的算法设计；《河北师范大学学报》2011中的《基于SOFM神经网络的学生综合评价》，提出了基于SOFM神经网络的学生综合评价模型；《辽宁师范大学》2011中的《基于层次分析的初中学生综合素质评价研究》，提出了基于层次分析的初中学生综合素质评价模型；《长江大学学报》2008,5(4):317-319中的《基于遗传算法的学生综合素质评价》，提出了基于遗传算法的学生综合素质评价模型；《山东师范大学》2007中的《基于模糊评判的高校学生综合素质评价体系研究》，提出基于模糊评判的高校学生综合素质评价模型；《武汉理工大学学报》2007中的《基于模糊层次分析法的大学生综合素质评价》，提出了基于模糊层次分析法的大学生综合素质评价模型。

但是现有技术又存在以下缺点：BP神经网络容易陷入局部极小点，并且收敛速度慢，从而导致综合素质测定效率较低；SOFM神经网络存在从高维映射到低维容易出现畸变等问题，从而导致综合素质测定的准确率较低；层次分析法中当指标过多时，数据统计量大，这时就需要对众多的指标进行两两比较，但是对两两指标的重要程度确定比较困难，甚至会对层次单排序和总排序的一致性产生影响，使一致性检验不能通过；同时由于客观事物的复杂性或对事物认识的片面性，通过所构造的判断矩阵求出的特征向量(权值)不一定是合理的，因此也存在综合素质测定的准确率较低的问题；基于遗传算法的学生综合素质评价中也用到了层次分析法来确定指标权值，也会导致综合素质测定的准确率较低的问题；基于模糊评判的高校学生综合素质评价方法需要确定评判矩阵，评判矩阵的确定受主观因素影响较大，因此也存在综合素质测定准确率较低的问题；模糊层次分析法虽然改进了层次分析法的判断矩阵的一致性问题，但是这种方法在一定程度上受较多的主观因素影响，各项指标权重的确定还有待进一步的改进，因而综合素质测定的准确率也较低。

发明内容

本发明的目的在于，提供一种基于遗传算法优化BP神经网络的学生综合素质测定方法，它可以有效解决现有技术中存在的问题，更好的解决学生综合素质测定问题，使得测定结果更加快速、精确。

为解决上述技术问题，本发明采用如下的技术方案：基于遗传算法优化BP神经网络的学生综合素质测定方法，包括以下步骤：

S1，构造样本数据：获取学生各项素质指标的样本数据，作为BP神经网络的训练样本；